[发明专利]递归性深度学习系统的训练方法与检测系统

权利要求书

1.一种递归性深度学习系统的训练方法，其特征在于，包括：a)提供至少一个未标记的待测物影像；b)针对该至少一个未标记的待测物影像进行标记；c)当该深度学习系统针对该待测物影像为第一次训练时，储存标记的该待测物影像于影像数据库内；d)深度学习系统针对影像数据库内标记的该待测物影像，分辨该待测物影像的瑕疵，依据输出与预期输出之间的误差训练该深度学习系统；e)提供未标记的另一批待测物影像至已训练的该深度学习系统，以分辨该待测物影像的瑕疵，获得检测结果；以及其中当该深度学习系统针对该待测物影像非第一次训练时，将该检测结果进行标准规范分析，若已训练的该深度学习系统符合标准规范，则停止该训练程序，若不符合该标准规范，则继续进行上面a)到e)的流程。

2.如权利要求1所述的递归性深度学习系统的训练方法，其特征在于，该未标记的待测物影像系传送至拍照机，经由该拍照机强化该未标记的待测物影像的瑕疵特征。

3.如权利要求2所述的递归性深度学习系统的训练方法，其特征在于，该未标记的待测物影像系经由目检员确认该待测物的缺陷后，经由标记设备将该缺陷于该待测物上的位置标记出来。

4.如权利要求3所述的递归性深度学习系统的训练方法，其特征在于，该标记设备标记后的该待测物影像系经由图像处理单元进行正规化处理后储存于该影像数据库。

5.如权利要求1所述的递归性深度学习系统的训练方法，其特征在于，在训练天数超过设定天数后仍未达到该标准规范时，停止训练。

6.如权利要求5所述的递归性深度学习系统的训练方法，其特征在于，该设定天数为5天、6天、7天、8天、9天或10天。

7.如权利要求1所述的递归性深度学习系统的训练方法，其特征在于，该标准规范为于预先设定的连续天数漏检率及假缺滤除率均达到预设标准。

8.如权利要求7所述的递归性深度学习系统的训练方法，其特征在于，该预设标准系为该漏检率达到0.1％以下。

9.如权利要求7或8所述的递归性深度学习系统的训练方法，其特征在于，该假缺滤除率达到90％以上。

10.如权利要求7所述的递归性深度学习系统的训练方法，其特征在于，该连续天数为4天、5天或6天。

11.如权利要求1所述的深度学习系统的训练方法，其特征在于，该影像数据库内备存的缺陷影像，在训练过后，做为另一次该标准规范分析的测试样本。

12.如权利要求1所述的递归性深度学习系统的训练方法，其特征在于，该标准规范分析包括分析所测量获得的结果用以与目检员的判断结果进行比对以获得漏检率或假缺滤除率。

13.一种递归性深度学习的检测方法，其特征在于，包括：标记设备，在取得至少一个未标记的待测物影像后针对该至少一个未标记的待测物影像进行标记；影像储存单元，用以储存标记的该待测物影像于影像数据库内；处理器，加载有深度学习系统，该处理器用以加载非暂存式的记录媒体后执行如权利要求1至12中任一项所述的方法。

14.如权利要求13所述的递归性深度学习的检测系统，其特征在于，还包括自动视觉检测设备，用以辨识待测物品瑕疵并于辨识完成后提供该至少一个未标记的待测物影像。

15.如权利要求14所述的递归性深度学习的检测系统，其特征在于，还包括设置于该自动视觉检测设备及该标记设备之间的拍照机，用以拍摄该待测物并取得该待测物影像后强化该待测物的瑕疵特征并输出瑕疵强化影像至该标记设备。

16.如权利要求13所述的递归性深度学习的检测系统，其特征在于，还包括图像处理单元，用以将该标记设备标记后的待测物影像经由进行正规化处理后储存于该影像数据库。